Bruk Azure Machine Learning-aktiviteten til å kjøre en jobb på en Azure Machine Learning-forekomst

Azure Machine Learning-aktiviteten i Data Factory for Microsoft Fabric lar deg kjøre en jobb på en Azure Machine Learning-forekomst.

Forutsetninger

Du må fullføre følgende forutsetninger for å komme i gang:

• Du må ha tilgang til en Microsoft Fabric-leietaker med en provisjonert kapasitet. Du kan prøve Fabric med en gratis prøveperiode.
• Et Fabric-arbeidsområde tildelt den kapasiteten.

Legge til en Azure Machine Learning-aktivitet i et datasamlebånd med brukergrensesnittet

Hvis du vil bruke en Azure Machine Learning-aktivitet i et datasamlebånd, gjør du følgende:

Opprett aktiviteten

1. Opprett et nytt datasamlebånd i arbeidsområdet.

2. Søk etter Azure Machine Learning i datasamlebåndet aktiviteter ruten, og velg den for å legge den til i datasamlebåndlerretet.

   Notat

   Du må kanskje utvide menyen og bla nedover for å se Azure Machine Learning-aktiviteten som uthevet i følge skjermbildet.

   

3. Velg den nye Azure Machine Learning-aktiviteten på pipeline-editorens lerret hvis den ikke allerede er valgt.

   

Se Generelle innstillinger veiledning for å konfigurere generelt innstillinger-fanen.

Aktivitetsinnstillinger for Azure Machine Learning

1. Velg Innstillinger-fanen, og deretter kan du velge en eksisterende eller opprette en ny Azure Machine Learning-tilkobling.
2. Velg og endepunkttype, enten satsvis endepunkt eller datasamlebånd (v1).
3. Angi et satsvis endepunkt og satsvis distribusjon og konfigurer **Jobbinnstillinger for gruppeendepunkt type, eller oppgi datasamlebånddetaljer for å kjøre en Azure Machine Learning Pipeline (v1).

Lagre og kjøre eller planlegge datasamlebåndet

Bytt til Hjem-fanen øverst i pipeline-editoren og velg lagre-knappen for å lagre pipelinen din. Velg Kjør for å kjøre det direkte eller Planlegg for å planlegge løp til bestemte tider eller intervaller. For mer informasjon om rørledningskjøringer, se: planlegg rørledningskjøringer.

Etter kjøring kan du overvåke pipeline-kjøringen og se kjørehistorikk fra Output-fanen under lerretet.

Kjente problemer

• Å bruke Service Principal for å kjøre en notatbok som inneholder Semantic Link-kode har funksjonelle begrensninger og støtter kun en delmengde av Semantic Link-funksjoner. Se de støttede semantiske lenkefunksjonene for detaljer. Hvis du vil bruke andre funksjoner, anbefales det at du godkjenner semantisk kobling manuelt med en tjenestekontohaver.
• Azure Machine Learning (AML)-aktivitet kan feile i noen konfigurasjoner på grunn av manglende dual-token publikum under autentisering. Løsningen arbeides for øyeblikket med.

Relatert innhold

• Slik overvåker du datasamlebåndkjøringer